释放提示工程在大语言模型中的潜力
计算与语言
2025-06-18 v6 人工智能
摘要
本综述深入探讨提示工程在释放大语言模型（LLMs）能力中的关键作用。人工智能（AI）的发展从 20 世纪 50 年代诞生到高级神经网络与深度学习架构的出现，已在 LLMs 领域取得突破，涌现出 GPT-4o 和 Claude-3 等模型，并在视觉-语言模型（VLMs）领域取得突破，涌现出 CLIP 和 ALIGN 等模型。提示工程是对输入进行结构化处理的过程，已成为最大化这些模型效用与准确率的关键技术。本文探讨提示工程的基础与先进方法，包括自一致性、思维链和生成知识等技术，它们显著提升了模型性能。此外，本文通过上下文优化（CoOp）、条件上下文优化（CoCoOp）和多模态提示学习（MaPLe）等创新方法考察 VLM 的提示方法。讨论的关键之处在于 AI 安全方面，尤其是利用提示工程漏洞的对抗攻击。缓解这些风险并增强模型鲁棒性的策略得到详尽综述。提示方法的评估也通过主观与客观指标加以讨论，确保其效能的稳健分析。本综述还反映了提示工程在推进 AI 能力中的重要作用，为未来研究与应用提供了结构化框架。
引用
@article{arxiv.2310.14735,
title = {Unleashing the potential of prompt engineering for large language models},
author = {Banghao Chen and Zhaofeng Zhang and Nicolas Langrené and Shengxin Zhu},
journal= {arXiv preprint arXiv:2310.14735},
year = {2025}
}
备注
v6 - Metadata updated (title, journal ref, DOI). PDF identical to v5 (original submission). Please cite the peer-reviewed Version of Record in "Patterns" (DOI: 10.1016/j.patter.2025.101260)